Zobrazeno 1 - 6
of 6
pro vyhledávání: '"Melissa Quirico"'
Publikováno v:
Zeitschrift für wirtschaftlichen Fabrikbetrieb. 111:204-207
Kurzfassung Auf schwankende Nachfragemengen angemessen zu reagieren ist eine der wesentlichen Herausforderungen, der produzierende Unternehmen gegenwärtig begegnen. Insbesondere die Auswahl geeigneter Maßnahmen zur Anpassung des Produktionssystems
Publikováno v:
Zeitschrift für wirtschaftlichen Fabrikbetrieb. 111:109-112
Kurzfassung Industrie 4.0 erhöht die Verfügbarkeit instandhaltungsrelevanter Daten, wodurch sich neue Potenziale für die Gestaltung von Instandhaltungsstrategien und -prozessen ergeben. Belastungsdaten aus der Nutzungsphase eines Bauteils können
Publikováno v:
Handbuch Industrie 4.0: Geschäftsmodelle, Prozesse, Technik
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::b37155ae9c41663f9f13f9e89ab90fc5
https://doi.org/10.3139/9783446449893.002
https://doi.org/10.3139/9783446449893.002
Autor:
Sebastian Barton, Bernd-Arno Behrens, Berend Denkena, Martin Bonhage, Christian Bonk, Haythem Boujnah, Bernd Breidenstein, Dominik Dahlmann, Quang Huy Dao, Christian Demminger, Marc-André Dittrich, Jan Friedrich Düsing, Bernd Geck, Philipp Gottwald, Thilo Grove, Bechir Hachicha, Rolf Hockauf, Lisa Jogschies, Johann Kiesner, Daniel Klaas, Christian Klose, Jürgen Koch, Roland Lachmayer, Hans Jürgen Maier, Irfan Yousaf Malik, Tobias Mörke, Iryna Mozgova, Gregor Mroz, Markus Mücke, Thomas Neff, Peter Nyhuis, Jörn Ostermann, Ludger Overmeyer, Melissa Quirico, Wilfried Reimche, Bastian Sauthoff, Wieben Scheidel, Christopher Schmidt, Alexander Seibel, Benjamin Spitschan, Oliver Suttmann, Piriya Taptimthong, Florian Uhlich, Christoph von der Ahe, Philipp von Witzendorff, Maximilian Winkens, Florian Winter, Marc Christopher Wurz
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::849f02623a1b0d30a7e4c111bd06e0fb
https://doi.org/10.1016/b978-0-12-811939-6.09993-3
https://doi.org/10.1016/b978-0-12-811939-6.09993-3
Autor:
Iryna Mozgova, Peter Nyhuis, Berend Denkena, Melissa Quirico, Florian Uhlich, Roland Lachmayer, Christian Demminger
Publikováno v:
Procedia Technology 26
Industry 4.0 opens great potentials in productions technologies by establishing communication between machines and equipment as well as processes along the life cycle of products. Within the Collaborative Research Center (CRC) 653 several aspects of
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f9580d58e82581b944a681575688193b
Publikováno v:
Busch, J, Quirico, M, Richter, L, Schmidt, M, Raatz, A & Nyhuis, P 2015, ' A genetic algorithm for a self-learning parameterization of an aerodynamic part feeding system for high-speed assembly ' CIRP Annals-Manufacturing Technology, vol 64, no. 1, pp. 5-8 . DOI: 10.1016/j.cirp.2015.04.044
Busch, J, Quirico, M, Richter, L, Schmidt, M, Raatz, A & Nyhuis, P 2015, ' A genetic algorithm for a self-learning parameterization of an aerodynamic part feeding system for high-speed assembly ', CIRP Annals-Manufacturing Technology, vol. 64, no. 1, pp. 5-8 . https://doi.org/10.1016/j.cirp.2015.04.044
Busch, J, Quirico, M, Richter, L, Schmidt, M, Raatz, A & Nyhuis, P 2015, ' A genetic algorithm for a self-learning parameterization of an aerodynamic part feeding system for high-speed assembly ', CIRP Annals-Manufacturing Technology, vol. 64, no. 1, pp. 5-8 . https://doi.org/10.1016/j.cirp.2015.04.044
The aerodynamic feeding technology developed at the IFA allows feeding rates up to 800 parts per minute while maintaining high reliability and variant flexibility. The machine's setup procedure requires the adaptation of only four machine parameters.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::26e520c05b0a17763b8a724174663839
http://fox.leuphana.de/portal/de/publications/a-genetic-algorithm-for-a-selflearning-parameterization-of-an-aerodynamic-part-feeding-system-for-highspeed-assembly(7607604e-84b0-4f6f-b88c-a1e31e9bf425).html
http://fox.leuphana.de/portal/de/publications/a-genetic-algorithm-for-a-selflearning-parameterization-of-an-aerodynamic-part-feeding-system-for-highspeed-assembly(7607604e-84b0-4f6f-b88c-a1e31e9bf425).html